香港大學張世明教授AM：可穿戴雙循環閉環胰島素輸送系統，用于精準糖尿病管理

AI賦能雙閉環可穿戴胰島素輸送系統，為精準糖尿病管理帶來新突破

糖尿病作為一種全球性的慢性疾病，預計到2030年將影響全球6.43億人。傳統的治療方案將血糖檢測與胰島素輸送分離，效率較低且易導致嚴重并發癥。近年來，由連續血糖監測儀控制的閉環胰島素輸送系統雖能更有效地控制血糖，但其依賴的CGM讀數一旦出錯，可能導致胰島素過量，引發低血糖甚至致命風險。同時，雖已有葡萄糖響應胰島素能根據體內血糖水平動態釋放胰島素，但缺乏集成電子系統進行精準調控，風險猶存。

為此，香港大學張世明教授團隊提出并開發了一種新型“雙閉環”可穿戴胰島素輸送系統。該系統集成了實時血糖分析的CGM、釋放速率受實際血糖水平調控的葡萄糖響應胰島素，以及一個能夠預測未來30分鐘血糖趨勢的定制化AI算法，旨在解決傳統單閉環系統的安全風險。初步體內測試顯示，該系統在維持正常血糖時長、減少高低血糖事件及降低血糖波動方面均優于傳統系統。相關論文以“An AI-embedded, Wearable Dual Closed-Loop Insulin Delivery System for Precision Diabetes Management”為題，發表在

Advanced Materials

該雙閉環系統的核心設計理念如圖1所示。系統由三個關鍵部分組成：連續血糖監測儀、胰島素泵以及協調二者的AI算法。圖1a展示了系統的整體構成，包括用于實時血糖分析的CGM、能根據血糖濃度釋放胰島素的GRI儲庫，以及實現邊緣計算的定制算法模塊。圖1b的剖面示意圖進一步揭示了CGM傳感器、算法處理器與胰島素泵之間的內在聯系與數據流。為了實現精準控制，研究團隊開發了一套基于比例-積分-微分控制的學習框架，并量化部署于邊緣設備（圖1c）。與傳統的單閉環電控系統相比，這種雙閉環設計能夠顯著減少血糖波動，降低高血糖和低血糖的發生率（圖1d）。

圖1. 所提出的雙閉環胰島素輸送系統整體概念圖。 a) DuoLoop關鍵組成部分示意圖，包括CGM、算法和胰島素泵。 b) 描繪DuoLoop中各組件相互關系的剖面示意圖。 c) 采用PID學習框架實現雙閉環系統量化邊緣AI的工作流程與機制示意圖。 d) 商用單閉環系統與DuoLoop系統血糖動態對比示意圖。與傳統單回路電閉環系統相比，DuoLoop顯示出更低的血糖波動以及更低的高血糖和低血糖發生率。 Kp：比例增益，Ki ：積分增益，Kd ：微分增益。

系統的有效性首先建立在GRI的可靠性能上。如圖2所示，GRI由修飾后的聚合物與胰島素通過靜電作用形成納米復合物（圖2a）。該復合物溶液清澈，在透射電鏡下可見直徑約100納米的均勻納米膠束（圖2b, c, d）。體內實驗證實了其葡萄糖響應特性：當給糖尿病大鼠注射葡萄糖引發血糖快速上升時，GRI能迅速響應，釋放胰島素峰值，隨后隨著血糖向正常水平回落，胰島素釋放也相應減弱，展現了良好的自我調節能力（圖2e）。與普通重組人胰島素相比，單次注射GRI能維持更長的正常血糖時間（圖2f, g, h）。

圖2. GRI的合成與驗證。 a) GRI的葡萄糖響應機制示意圖。 b) 聚合物（固體）和聚合物-胰島素復合物（GRI，溶液）的光學圖像。 c) 聚合物-胰島素復合物納米材料的TEM圖像。 d) GRI納米材料的尺寸分布。 e) 糖尿病大鼠腹腔注射葡萄糖后，血糖觸發的胰島素釋放行為。 f) 單次注射RHI（25 U/kg）后糖尿病大鼠的ISF葡萄糖水平。 g) 單次注射GRI（25 U/kg）后糖尿病大鼠的ISF葡萄糖水平。 h) 相應的正常血糖持續時間。本工作中ISF葡萄糖濃度定義如下：低血糖（<2.8 mM）、正常血糖（2.8–11.1 mM）和高血糖（>11.1 mM）。

精準的血糖預測是系統實現優化調控的前提。研究團隊采用Transformer深度神經網絡架構開發了血糖預測模型（圖3a）。該模型在訓練集和測試集上均表現出極高的預測可靠性。如圖3b, c, e, f所示，無論是在訓練集內還是訓練集外的糖尿病大鼠數據上，模型預測的血糖動態曲線與實際測量值高度吻合。相關性分析進一步證實了預測值與實測值之間的強關聯性（圖3d, g）。

圖3. DuoLoop系統的算法開發與驗證。 a) 血糖預測轉換模型的結構示意圖。 通過比較預測的血糖動態（使用血糖預測轉換）與糖尿病大鼠的實際血糖動態，在b,c) 訓練集內測試集和e,f) 訓練集外測試集上對算法進行實驗驗證。 d) 訓練集內測試集和g) 訓練集外測試集上預測與實際ISF葡萄糖水平的相關性分析。

基于準確的預測，團隊構建了PID閉環控制算法，并將其集成到一個經過改裝的微型胰島素泵中（圖4a-c）。該泵具備藍牙無線通信功能，可接收CGM預測數據并控制胰島素輸送。驗證實驗表明，遵循算法推薦的GRI劑量和輸注時機，能有效將血糖維持在正常范圍內（圖4d-f）。而故意減少或增加胰島素劑量，則分別導致了高血糖（圖4d）和低血糖（圖4e）；在非推薦時間窗輸注胰島素，其控制效果也較差（圖4f），這凸顯了精準劑量和時機的重要性。

圖4. DuoLoop系統的算法實現與驗證。 a) DuoLoop的整體輪廓和布局。 b) 半定制胰島素泵的光學圖像。插圖：胰島素泵控制系統的用戶界面。 c) 突出主要電子元件的功能框圖。 通過比較算法推薦GRI輸送劑量（d）減少劑量；（e）增加劑量）和時機（f）下的血糖水平與非算法劑量和時機條件下的血糖水平，對算法進行實驗驗證。

最終，集成了CGM、算法和胰島素泵的完整可穿戴DuoLoop系統在1型糖尿病大鼠模型上進行了安全性與有效性驗證（圖5a, b）。系統工作原理如圖5c所示：當CGM檢測到血糖上升趨勢時，算法激活胰島素泵在規定時間內輸注胰島素；在高血糖期間加速釋放，當血糖恢復正常后，GRI的釋放速率降低以維持穩定。與僅使用GRI的單一化學閉環系統（圖5d）或使用普通胰島素、僅由CGM和算法控制的單一電閉環系統相比（圖5e, f），DuoLoop系統展現出顯著的優越性。它不僅減少了每日所需注射次數，更顯著降低了血糖波動的標準差和變異系數（圖5g, h），并將正常血糖時間占比提升至98.82%，同時將高血糖和低血糖事件的發生率降至極低水平（圖5i-k）。這些改進直接歸功于雙閉環設計與GRI的協同作用。

圖5. DuoLoop系統集成與可穿戴安全驗證。 a, b) 佩戴在大鼠背部的集成DuoLoop系統示意圖及實物圖，顯示其無線操作模式。 c) DuoLoop系統操作流程示意圖。 d) 與單一化學閉環系統（定期注射GRI）的血糖曲線對比。 e, f) 單一電閉環系統與DuoLoop系統的血糖曲線對比。 g, h) 兩種系統血糖波動的標準差（SD）和變異系數（CV）對比。 i-k) 兩種系統在正常血糖、高血糖和低血糖范圍內的時間百分比對比。

綜上所述，這項研究成功開發了一種集AI算法、葡萄糖響應胰島素與可穿戴硬件于一體的雙閉環胰島素輸送系統，在動物實驗中展現出相較于傳統單閉環系統更優的安全性和血糖調控效能。盡管在飲食控制模型、臨床轉化及長期穩定性方面仍需進一步探索，但這項工作標志著向精準糖尿病管理邁出了重要一步。研究者展望，這種雙（或多）閉環設備的概念未來或可應用于其他可穿戴系統，以調控更多疾病的代謝過程，滿足更廣泛的臨床需求。